In [13]:
import itertools
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
%matplotlib inline
# Obtenemos las Matrices de confusión
msc = list()
for k, v in modelos.items():
print('Obteniendo Matriz de Confusión del modelo: {model}...'.format(model=k))
model = {}
model['name'] = k
y_pred_train = v.predict(X_train)
y_pred_test = v.predict(X_test)
cm_train = confusion_matrix(y_true=y_train, y_pred=y_pred_train)
cm_test = confusion_matrix(y_true=y_test, y_pred=y_pred_test)
model['confusion_matrix_train'] = cm_train
model['confusion_matrix_test'] = cm_test
msc.append(model)
print('\nMatrices de confusión generadas correctamente:')
# Modificamos la función para mostrar valores absolutos y ajustar el color según el modelo
def plot_confusion_matrix(cm, classes, title, cmap):
"""
Esta función imprime y dibuja la matriz de confusión.
"""
plt.imshow(cm, interpolation='nearest', cmap=cmap)
plt.title(title)
plt.colorbar()
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks, classes, rotation=45)
plt.yticks(tick_marks, classes)
thresh = cm.max() / 2.
for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
plt.text(j, i, format(cm[i, j], 'd'), horizontalalignment="center",
color="white" if cm[i, j] > thresh else "black")
plt.tight_layout()
plt.ylabel('Etiqueta real')
plt.xlabel('Etiqueta predicha')
# Pintamos las matrices de confusión con números absolutos y colores específicos
plt.figure(figsize=(15, 8))
cmap_by_model = {'Default': plt.cm.Reds, 'Optimizer': plt.cm.YlGn}
for i, mc in enumerate(msc):
cmap = cmap_by_model[mc['name']]
plt.subplot(2, 2, i*2 + 1)
plot_confusion_matrix(mc['confusion_matrix_train'], classes=['0', '1', '2'],
title='{}\nMatriz de Confusión - Entrenamiento (Train)'.format(mc['name']), cmap=cmap)
plt.subplot(2, 2, i*2 + 2)
plot_confusion_matrix(mc['confusion_matrix_test'], classes=['0', '1', '2'],
title='{}\nMatriz de Confusión - Prueba (Test)'.format(mc['name']), cmap=cmap)
plt.show()
Obteniendo Matriz de Confusión del modelo: Default... Obteniendo Matriz de Confusión del modelo: Optimizer... Matrices de confusión generadas correctamente:
/tmp/ipykernel_2833/3617826108.py:52: MatplotlibDeprecationWarning: Auto-removal of overlapping axes is deprecated since 3.6 and will be removed two minor releases later; explicitly call ax.remove() as needed.
